新研究：视觉语言模型时长常识推理表现不佳
热点事件观察中
新研究：视觉语言模型时长常识推理表现不佳
1 篇报道1 个报道来源1 天前更新
先了解这件事
AI 综述
Chenyang Yu 等在 arXiv 发布论文，构建由人类与 LLM 共同标注的地理标记推文数据集，测试视觉语言模型能否推断事件时长常识，如判断园艺意味着“住在那里”、入住 Airbnb 意味着“短期停留”。 结果显示，SOTA 模型在时长推断上表现不佳，即使使用多轮 CoT 提示也无改善；模型常无法整合上下文信息，或过度依赖显著视觉细节而忽略细微的标签和语义线索。
AI 根据报道生成 · 1 小时前更新
最新进展10月29日 03:35
视觉语言模型能推断停留时长吗？基于人机共标注数据的 duration 常识推理研究报道时间线
沿着报道，了解事件的不同侧面。
10月29日
- arXiv · cs.AI视觉语言模型能推断停留时长吗？基于人机共标注数据的 duration 常识推理研究
一项 arXiv 研究测试视觉语言模型是否具备 duration（停留时长）常识，如判断园艺意味着“住在那里”、入住 Airbnb 意味着“短期停留”。作者构建了由人类与 LLM 共同标注的地理标记推文数据集作为测试集。结果显示 SOTA 模型在时长推断上表现不佳，即使使用多轮 CoT 提示也不行，模型常无法整合上下文信息，或过度依赖显著视觉细节而忽略细微的标签和语义线索。
本事件热度走势
还没有足够的连续观测数据，暂不绘制趋势。